- پایتون
- هوش مصنوعی
- سی شارپ
- MS .NET Fundamentals آموزش برنامه نویسی مقدماتی C#
- Programming in C#1 – Windows Forms
- ASP.NET Core 10.0 and Blazor with Material
- ASP.NET Core 10.0 and Angular 20.0 with Material
- دوره NET Microservices ,DDD, CQRS,Vertical/Clean Architecture using Docker.
- API Security
- Fullstack Web Development
- دوره طراحی سیستم System Design
- دوره ASP.Net Core With EF Core
- دوره Test In .NET
- طراحی وب
- جاوا
- اندروید
- دوره گولنگ (golang) – مقدماتی
نام استاد
|
داریوش تصدیقی |
|---|---|
زمان دوره
|
40 ساعت |
پیش نیاز
|
برنامه نویسی با پایتون |
کلاسهای فعال این دوره
کلاس زمستانی
کلاس زمستانی
سرفصلهای دوره
- آموزش مباحث پیشرفته و Clean Code و Best Practice های زبان برنامهنویسی پایتون
- تاریخچه هوش مصنوعی
- چرا باید از LLM ها شروع کنیم!
- معرفی و اهمیت LLM ها
- آموزش Prompt Engineering
- آموزش Streamlit برای ایجاد سایتهای جذاب، با گرایش Chat و Data Science
- معرفی و آموزش سرویسهای داخلی و خارجی (رایگان و غیر رایگان) برای استفاده از مدلهای هوش مصنوعی، به صورت Service Based
- معرفی و آموزش سرویسهای داخلی مطمئن (غیر رایگان)، برای استفاده از مدلهای هوش مصنوعی
- آموزش راهاندازی مدلهای هوش مصنوعی رایگان، به صورت کاملا Local، و با حداقل Configuration سختافزاری
- – نصب بر روی رایانه شخصی کاربر
- – نصب بر روی سرورهای سازمان
- آموزش تولید AI Agent ها
- آموزش Vectorization / Embedding
- آموزش مفاهیم و تولید RAG، و معرفی کاربردها و انواع آنها
- آموزش کتابخانه LangChain
- آموزش راهاندازی Automation
برای کاربر
درون سازمانی - آموزش راهاندازی Service برای RAG های تولید شده، جهت استفاده در دیگر سامانههای سازمان، به عنوان یک Microservice
- استخراج اطلاعات از فایلهای PDF
- استخراج اطلاعات از تصاویر (OCR)
- تولید فایلهای Word (کاملا فارسی)
- راهاندازی Text to Speech
- راهاندازی Speech to Text
Road Map
مسیر آموزشی
1
آشنایی با مبانی هوش مصنوعی و مفاهیم LLMOps
- تاریخچه هوش مصنوعی و سیر تکامل مدلهای زبانی
- چرا باید از LLMها شروع کنیم و نقش آنها در صنعت
- مفاهیم پایه LLMOps و تفاوت آن با MLOps سنتی
- بررسی چالشها و فرصتهای مدلهای زبانی در سازمانها
Python
Jupyter Notebook
Google Colab
2
پایتون پیشرفته برای توسعه LLM و پروژههای AI
- اصول Clean Code و Best Practices در پایتون
- ساختاردهی پروژههای بزرگ و ماژولار
- مدیریت استثناها، Logging و مستندسازی کد
- کار با محیطهای مجازی و Dependency Management
Python
VSCode
Poetry یا Pipenv
Git
3
آشنایی با LLMها و سرویسهای هوش مصنوعی
- معرفی مدلهای LLM (GPT، Claude، LLaMA، Gemma و...)
- مقایسه مدلهای باز (Open Source) و سرویسهای SaaS
- آشنایی با APIهای رایگان و غیررایگان داخلی و خارجی
- روشهای استفاده از LLMها بهصورت Service-Based
OpenAI API
Hugging Face
Ollama
Google Vertex AI
Azure AI
4
آموزش Prompt Engineering
- مبانی طراحی پرامپت مؤثر و اصول Chain-of-Thought
- تکنیکهای Zero-Shot، Few-Shot و Retrieval-Augmented
- ساخت Templateهای کاربردی برای وظایف مختلف
- مدیریت Context و حافظه در تعامل با LLMها
OpenAI Playground
LangChain
PromptLayer
Python
5
توسعه رابط کاربری با Streamlit برای LLMها
- آشنایی با Streamlit و ساخت اپلیکیشنهای چت تعاملی
- طراحی داشبوردهای علمی و مدیریتی برای مدلهای زبانی
- نمایش نتایج تحلیل داده و پاسخهای LLM در محیط وب
- اتصال Streamlit به APIهای هوش مصنوعی
Streamlit
Python
OpenAI API
LangChain
6
اجرای مدلهای هوش مصنوعی بهصورت Local
- نصب و اجرای مدلهای LLM بر روی رایانه شخصی
- نصب بر روی سرورهای سازمانی با حداقل پیکربندی
- مدیریت حافظه، GPU و بار محاسباتی
- تنظیمات امنیتی و دسترسی کاربران
Ollama
LM Studio
Hugging Face Transformers
CUDA
Docker
7
ساخت Agentهای هوشمند و خودکارسازی وظایف
- تعریف Agent و نقش آن در سیستمهای AI
- ساخت Agent با LangChain و AutoGen
- اتصال Agent به ابزارها و APIهای خارجی
- راهاندازی Automation برای کاربر و درونسازمانی
LangChain
AutoGen
Python
Streamlit
8
مفاهیم و پیادهسازی RAG (Retrieval-Augmented Generation)
- مفهوم RAG و کاربرد آن در سیستمهای پاسخگو
- آموزش Vectorization و Embedding
- ساخت پایگاه دانش (Vector Store) برای جستوجوی معناگرایانه
- راهاندازی Service برای RAG به عنوان Microservice
LangChain
FAISS
ChromaDB
Pinecone
Flask
9
استخراج داده از منابع مختلف (Text, PDF, Image)
- ستخراج داده از فایلهای PDF و متون فارسی
- تشخیص متن از تصاویر با OCR
- تولید گزارشهای Word کاملاً فارسی
- راهاندازی سرویسهای Text-to-Speech و Speech-to-Text
PyPDF2
Tesseract OCR
docx
gTTS
Whisper
SpeechRecognition
10
استقرار و مدیریت سرویسهای LLMOps در سازمان
- راهاندازی RAG و Agentها بهصورت Microservice
- مدیریت Pipelineها و Deployment خودکار
- نظارت بر عملکرد مدل و Logging تعاملی
- بهینهسازی منابع و امنیت سرویسهای سازمانی
Docker
FastAPI
Flask
Kubernetes
LangServe
GitHub Actions
توضیحات
کاتالوگ دوره
سئوالات متداول
اساتید دوره
[sematec_teachers]
دیدگاهها
اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دوره هوش مصنوعی – LLMOps”
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.